CN105873171B - 基于最小树形图的无人机编队通信拓扑重优化方法及系统 - Google Patents
基于最小树形图的无人机编队通信拓扑重优化方法及系统 Download PDFInfo
- Publication number
- CN105873171B CN105873171B CN201610383787.3A CN201610383787A CN105873171B CN 105873171 B CN105873171 B CN 105873171B CN 201610383787 A CN201610383787 A CN 201610383787A CN 105873171 B CN105873171 B CN 105873171B
- Authority
- CN
- China
- Prior art keywords
- communication cost
- formation
- communication
- unmanned plane
- cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/021—Traffic management, e.g. flow control or congestion control in wireless networks with changing topologies, e.g. ad-hoc networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0008—Transmission of traffic-related information to or from an aircraft with other aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/246—Connectivity information discovery
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
- B64U2201/102—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS] adapted for flying in formations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明提供了一种基于最小树形图的无人机编队通信拓扑重优化方法及系统,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,该方法包括:计算重构后的无人机编队通信拓扑的第一通信代价;将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;在第一通信代价大于目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑。本发明通过将重构后的无人机编队通信拓扑的第一通信代价,与目标通信代价进行比较,在第一通信代价大于目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑,使得编队中的无人机出现通信故障时,重优化后的无人机编队通信拓扑的通信代价最小。
Description
技术领域
本发明涉及无人机通信技术领域,尤其涉及一种基于最小树形图的无人机编队通信拓扑重优化方法及系统。
背景技术
在无人机出现故障后,目前一般通过重构通信拓扑的方式实现快速重构通信拓扑以避免发生UAV碰撞事故并恢复编队队形。
在快速重构通信拓扑之后,所有UAV都能确保安全了,某些UAV可能离开了编队(它们在一个不同的高度单独跟随预定的编队参考航迹或者独自飞回所属机场),剩余的UAV则继续保持编队队形朝目标区域飞行,但是重构后的通信拓扑对应的编队通信代价不一定是最优的,因此有必要通过UAV位置重构(交换UAV在编队队形中的位置或者令某个UAV去填补另外一个离开编队的UAV所留下的空位)来重优化通信拓扑以最小化编队通信代价并继续保持编队队形。
发明内容
针对现有技术中的缺陷,本发明提供了一种基于最小树形图的无人机编队通信拓扑重优化方法及系统,确保通过UAV位置重构一定能得到最优的通信拓扑。
第一方面,本发明提供了一种基于最小树形图的无人机编队通信拓扑重优化方法,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,包括:
计算重构后的无人机编队通信拓扑的第一通信代价;
将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;
在所述第一通信代价大于预设状态下的编队通信图的最小树形图的目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑。
可选的,通过预设策略优化所述重构后的无人机编队通信拓扑,包括:
对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价;
将所述第二通信代价对应的编队通信拓扑作为重优化后的无人机编队通信拓扑;
其中,所述第二通信代价为多次交换位置后的编队通信图的最小树形图的最小通信代价。
可选的,所述对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价,包括:
将所述第一通信代价作为所述第二通信代价的初始值;
对所述编队通信图中无人机的位置进行第一次交换,获取第三通信代价;
若所述第三通信代价小于所述第二通信代价的初始值,则将所述第三通信代价作为所述第二通信代价的优化值;
对第一次交换后的编队通信图中无人机的位置进行第二次交换,获取第四通信代价;
若所述第四通信代价小于所述第二通信代价的优化值,则将所述第四通信代价作为所述第二通信代价的优化值;
对第二次交换后的编队通信图中无人机的位置进行第N次变换,获取第五通信代价;
若所述第五通信代价小于所述第二通信代价的优化值,则将所述第五通信代价作为所述第二通信代价的优化值。
可选的,所述对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价,包括:
若所述第五通信代价等于所述第二通信代价的优化值,则比较所述第五通信代价对应的无人机编队通信拓扑与所述第二通信代价的优化值对应的无人机编队通信拓扑分别相对于所述重构后的无人机编队拓扑的无人机的位置的交换次数以及交换距离;
若所述第五通信代价对应的无人机编队通信拓扑的无人机的位置的交换次数和交换距离更小,则将所述第五通信代价作为所述第二通信代价的优化值。
可选的,所述预设状态下的编队通信图为:编队通信图中的无人机均为候选的编队领航者且所有无人机之间相互通信正常。
第二方面,本发明还提供了一种基于最小树形图的无人机编队通信拓扑重优化系统,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,包括:
计算模块,用于计算重构后的无人机编队通信拓扑的第一通信代价;
比较模块,用于将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;
优化模块,用于在所述第一通信代价大于预设状态下的编队通信图的最小树形图的目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑。
可选的,所述优化模块,用于:
对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价;
将所述第二通信代价对应的编队通信拓扑作为重优化后的无人机编队通信拓扑;
其中,所述第二通信代价为多次交换位置后的编队通信图的最小树形图的最小通信代价。
可选的,所述优化模块,具体用于:
将所述第一通信代价作为所述第二通信代价的初始值;
对所述编队通信图中无人机的位置进行第一次交换,获取第三通信代价;
若所述第三通信代价小于所述第二通信代价的初始值,则将所述第三通信代价作为所述第二通信代价的优化值;
对第一次交换后的编队通信图中无人机的位置进行第二次交换,获取第四通信代价;
若所述第四通信代价小于所述第二通信代价的优化值,则将所述第四通信代价作为所述第二通信代价的优化值;
对第二次交换后的编队通信图中无人机的位置进行第N次变换,获取第五通信代价;
若所述第五通信代价小于所述第二通信代价的优化值,则将所述第五通信代价作为所述第二通信代价的优化值。
可选的,所述优化模块,具体用于:
若所述第五通信代价等于所述第二通信代价的优化值,则比较所述第五通信代价对应的无人机编队通信拓扑与所述第二通信代价的优化值对应的无人机编队通信拓扑分别相对于所述重构后的无人机编队拓扑的无人机的位置的交换次数以及交换距离;
若所述第五通信代价对应的无人机编队通信拓扑的无人机的位置的交换次数和交换距离更小,则将所述第五通信代价作为所述第二通信代价的优化值。
可选的,所述预设状态下的编队通信图为:编队通信图中的无人机均为候选的编队领航者且所有无人机之间相互通信正常。
由上述技术方案可知,本发明提供一种基于最小树形图的无人机编队通信拓扑重优化方法及系统,通过将重构后的无人机编队通信拓扑的第一通信代价,与目标通信代价进行比较,在第一通信代价大于目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑,使得编队中的无人机出现通信故障时,重优化后的无人机编队通信拓扑的通信代价最小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的基于最小树形图的无人机编队通信拓扑重优化方法的流程示意图;
图2为本发明一实施例提供的编队需要保持的队形的示意图;
图3为本发明一实施例提供的编队的初始最优的通信拓扑示意图;
图4为本发明一实施例提供的编队的重构的通信拓扑示意图;
图5为本发明一实施例提供的编队的重优化的通信拓扑示意图;
图6为现有技术中的编队的重优化的通信拓扑示意图;
图7为本发明一实施例提供的基于最小树形图的无人机编队通信拓扑重优化系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的一种基于最小树形图的无人机编队通信拓扑重优化方法的流程示意图,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,该方法包括以下步骤:
101、计算重构后的无人机编队通信拓扑的第一通信代价;
102、将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;
可理解的是,所述预设状态下的编队通信图为:编队通信图中的无人机均可作为编队领航者且所有无人机之间相互通信正常。
103、在所述第一通信代价大于预设状态下的编队通信图的最小树形图的目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑包括以下子步骤:
1031、对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价。
具体的,步骤1031中所述对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价,包括:
将所述第一通信代价作为所述第二通信代价的初始值;
对所述编队通信图中无人机的位置进行第一次交换,获取第三通信代价;
若所述第三通信代价小于所述第二通信代价的初始值,则将所述第三通信代价作为所述第二通信代价的优化值;
对第一次交换后的编队通信图中无人机的位置进行第二次交换,获取第四通信代价;
若所述第四通信代价小于所述第二通信代价的优化值,则将所述第四通信代价作为所述第二通信代价的优化值;
对第二次交换后的编队通信图中无人机的位置进行第N次变换,获取第五通信代价;
若所述第五通信代价小于所述第二通信代价的优化值,则将所述第五通信代价作为所述第二通信代价的优化值。
在另一个可实现的方式中,上述步骤1031中对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价,包括:
若所述第五通信代价等于所述第二通信代价的优化值,则比较所述第五通信代价对应的无人机编队通信拓扑与所述第二通信代价的优化值对应的无人机编队通信拓扑分别相对于所述重构后的无人机编队拓扑的无人机的位置的交换次数以及交换距离;
若所述第五通信代价对应的无人机编队通信拓扑的无人机的位置的交换次数和交换距离更小,则将所述第五通信代价作为所述第二通信代价的优化值。
1032、将所述第二通信代价对应的编队通信拓扑作为重优化后的无人机编队通信拓扑;
其中,所述第二通信代价为多次交换位置后的编队通信图的最小树形图的最小通信代价。
上述方法通过将重构后的无人机编队通信拓扑的第一通信代价,与目标通信代价进行比较,在第一通信代价大于目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑,使得编队中的无人机出现通信故障时,重优化后的无人机编队通信拓扑的通信代价最小。
在对上述方法进行详细说明之前,首先对UAV形成和保持编队队形的编队控制方法以及编队通信拓扑进行说明。
UAV形成和保持编队队形的编队控制方法主要有四种:领航-跟随者策略(leader-follower strategy)、虚拟结构策略(virtual structure strategy)、行为策略(behavioral strategy)、一致性策略(consensus-based strategy)。其中,领航-跟随者策略最为成熟,它的基本思想是:编队中的只有一个UAV作为编队领航者(formationleader),它按照预定的编队参考航迹飞行;其余UAV作为跟随者(follower),它们直接或间接地跟随编队领航者,比如:一个UAV可能直接跟随编队领航者,也可能跟随另外一个直接或间接跟随编队领航者的UAV。如果第i个无人机UAVi直接跟随第j个无人机UAVj,UAVi称为UAVj的跟随者,UAVj称为UAVi的领航者。UAVj会每隔Tcontrol秒通过点对点的通信链接向UAVi发送自己的位置、速度和方向信息。当UAVi接收到这些信息后,将据此来调整自身的速度和方向以实现和UAVj之间保持预期的相对位置。当所有的UAV都能实现和其领航者保持预期的相对位置时,就实现了编队队形的保持。假设n个UAV使用领航-跟随者策略来形成和保持一个编队队形S,S中的n个位置分别编号为{1,2,…,n},每个UAV可以位于S中的任意一个位置,某几个UAV但并不是所有的UAV可以作为编队领航者(这些UAV又被称为候选的编队领航者),每个UAV可以通过点对点通信链接和其它UAV进行信息交互,每个通信链接的通信代价由其相应的通信距离决定。因此,可以用一个加权有向图G=(V,E,W,P)来表示编队中UAV之间所有可用的通信链接,并简称为编队通信图:
(1)V={vi},1≤i≤n是图中的节点集合,其中vi表示第i个无人机UAVi。
(2)1≤i,j≤n是图中的边集合,其中eij表示从UAVi到UAVj有一个可用的通信链接从而使得UAVi能发送信息给UAVj,即UAVi可以成为UAVj的领航者。
(3)W={w(eij)},eij∈E是图中每条边的权值集合,其中w(eij)表示eij的通信代价。
(4)P={pi},1≤i≤n是每个UAV在编队队形S的具体位置集合,简称为UAV位置配置(UAV position configuration),其中pi表示UAVi在S中的具体位置。
根据前面的描述可知,每个UAV只需要从其领航者接收信息和发送信息给其跟随者,这意味着不需要使用所有可用的通信链接就可以实现编队队形的形成和保持,其中所使用的通信链接的集合被称为UAV编队的通信拓扑(communication topology),没有被使用的通信链接被称为冗余通信链接。因此,UAV编队的通信拓扑A=(V,E*,W*,P)是其编队通信图G=(V,E,W,P)的一个特殊子图,其中 令w(A)表示通信拓扑A的通信代价,即有通信拓扑A具有如下两个特性。
定理1:基于领航-跟随者策略的UAV编队的通信拓扑T必须是其编队通信图G的一棵生成树(spanning tree),但是其编队通信图G的一棵生成树并不一定能作为其通信拓扑。
定理2:基于领航-跟随者策略的UAV编队的通信拓扑T必须是其编队通信图G的一棵生成树(spanning tree),并且其根节点所表示的UAV必须能够作为编队领航者;反之亦然。
由于机械故障或外界干扰等原因,编队飞行过程中某个或多个UAV可能会发生通信故障,使得当前通信拓扑中的某些通信链接变得不可用,从而导致UAV不能继续保持编队队形,严重时甚至会导致UAV碰撞事故。因此,目前一般通过重构通信拓扑的方式(选择某些冗余通信链接来代替原有通信拓扑中那些不可用的通信链接)实现快速重构通信拓扑以避免发生UAV碰撞事故并恢复编队队形。在快速重构通信拓扑之后,所有UAV都能确保安全了,某些UAV可能离开了编队(它们在一个不同的高度单独跟随预定的编队参考航迹或者独自飞回所属机场),剩余的UAV则继续保持编队队形朝目标区域飞行,但是重构后的通信拓扑对应的编队通信代价不一定是最优的,因此有必要通过UAV位置重构(交换UAV在编队队形中的位置或者令某个UAV去填补另外一个离开编队的UAV所留下的空位)来重优化通信拓扑以最小化编队通信代价并继续保持编队队形。
因此,本发明实施例提出了一种分布式的基于最小树形图的通信故障下的通信拓扑重优化算法,此算法运行在编队中每个剩余的UAV中。以UAVi为例,此算法的基本步骤如表1所示。
表1
此算法中的重构后的编队通信图Gr=(Vr,Er,Wr,Pr)是根据通信故障的类型对原有的编队通信图G=(V,E,W,P)进行修改得到的。除了现有技术中考虑的四种通信故障外,还考虑另外两种通信故障:广播发射机故障(broadcast transmitter failure)和广播接收机故障(broadcast receiver failure)。所有六种通信故障类型如表2所示。
表2
针对此六种通信故障,为了确保所有UAV及时地获得一致的通信故障信息,假设所有UAV具有同样的如下所述的通信故障诊断策略:
(1)当UAVi发生单播发射机故障、单播接收机故障、单播收发机故障或者广播接收机故障中的任何一种通信故障时,UAVi自身能够检测到此故障,UAVi将记录下此故障发生时的时间戳并通过BC将此故障和相应的时间戳信息通知其他UAV。
(2)当UAVi发生广播发射机故障时,UAVi自身能够检测到此故障但不能通过BC通知其他UAV,Tactive秒之后,其他UAV由于不能收到UAVi上报的状态将判定UAVi出现了广播发射机故障,并记录下此故障发生时的时间戳。
(3)当eij出现链接中断并且UAVi是UAVj的领航者,UAVj将不能接收到UAVi发送的位置、速度和方向信息.Tactive秒之后,如果UAVj自身没有发生单播接收机故障并且没有通过BC收到UAVi的单播发射机故障信息,UAVj将判定eij出现了链接中断,然后UAVj将记录此故障的时间戳,然后通过BC此故障和相应的时间戳信息通知其他UAV。
(4)如果一个UAV在Tactive秒之内接收到两个及以上的通信故障信息,则只处理时间戳最早的那个通信故障,而把剩余的通信故障留到下一个Tactive秒再去处理。这样可以避免UAV之间的决策出现冲突,从而使得所有UAV能够得到一致的通信故障处理结果。
基于上述的通信故障诊断策略,每个UAV能够及时地获得同样的通信故障信息,然后每个UAV根据通信故障的类型对原有的编队通信图G=(V,E,W,P)进行修改得到重构后的编队通信图Gr=(Vr,Er,Wr,Pr),具体如下所示:
(1)如果UAVj发生单播发射机故障,则删除vj的所有出边。
(2)如果UAVj发生单播接收机故障,则删除vj的所有入边。
(3)如果UAVj发生单播收发机故障或者广播发射机故障或者广播接收机故障,则删除vj的所有入边和出边。
(4)如果从UAVj到UAVk的通信链接发生链接中断,则删除ejk。
在此算法中的Step5中,每种可行的UAV位置配置Pn一定是一个从|V|个元素中取出|Vr|个元素的排列,其中的|V|个元素分别代表编队队形中的不同位置,即它们分别是1,2,…,|V|。因此,所有可行的Pn的总数是
在此算法中的Step6中,在Gn=(Vn,En,Wn,Pn)中添加一个称为虚拟领航者(VirtualLeader,VL)的特殊节点和其相应的具有特定权值的出边,从而形成一个新的编队通信图Gn’=(Vn’,En’,Wn’,Pn’),具体如下所示:
(1)Vn'={v0}∪Vn是图Gn’的节点集合,其中v0是虚拟领航者VL,其代表了预定编队参考航迹中的一个虚拟点。
(2)E'n={e0k}∪En,1≤k≤|Vn|是图Gn’的边集合,其中e0k表示第k个无人机UAVk知道预定编队参考航迹,即UAVk是候选的编队领航者。
(3)Wn'={w(e0k)}∪Wn,e0k∈E'n是图Gn’的每条边的权值集合,其中v0的所有出边都具有同样的权值即w(e0k)比原有的编队通信图Gn中的所有边的权值之和还要大1。
(4)Pn'=Pn={pi},1≤i≤n是每个UAV在编队队形S的具体位置集合,简称为UAV位置配置(UAV position configuration),其中pi表示UAVi在S中的具体位置(特别地,pi=0表示UAVi已经离开编队)。
基于Gn’的定义,可以得出如下结论。
定理3:如果新的编队通信图Gn’的最小树形图An’存在并且An’中v0只有一条出边,则在原有的编队通信图Gn基础上的编队的最优通信拓扑An存在,并且它是An’中删除v0和v0的出边之后的结果。
在此算法的Step9中,UAV位置重构所需要的某个UAV的交换距离是该UAV在编队队形中的原有位置和新位置之间的欧式距离。
执行此算法后,所有剩余的UAV将切换到重优化后的通信拓扑并继续保持编队队形。该算法的核心步骤是Step7,其中使用了Gabow等人提出的Edmonds算法的更快实现。另外,从此算法的Step4中可以看出,Step7最多会被循环调用次。因此,此算法的计算复杂度是其中|Er'|≤|E|+|V|并且|Vr'|≤|V|+1。虽然此算法的计算复杂度较高,但因为所有UAV通过通信拓扑重构之后都确保安全了,因此剩余的UAV可以利用自身飞行过程中的空闲时间来执行此算法,并且只有当所有剩余UAV都完成了此算法之后才进行UAV位置重构。
和现有的通信故障下的通信拓扑重优化算法相比,此算法具有如下优点:
(1)具有更强的理论基础,可以确保通过UAV位置重构一定能得到最优的通信拓扑。
(2)此算法更加灵活,能够适用于任意的编队队形。
下面通过举例进行说明:
假设5架UAV保持一个如图2所示的楔形队形进行飞行,其中的所有位置分别编号为{1,2,3,4,5},它们都在同一个高度上,它们之间的距离在图2中标识了出来。此外,只有UAV1、UAV2和UAV4可以作为编队领航者。
图3为无通信故障情况下的初始最优的通信拓扑。其中UAV1作为编队领航者,UAV2跟随UAV1飞行,UAV3跟随UAV2飞行,UAV4跟随UAV2飞行,UAV5跟随UAV3飞行,编队的通信代价为2271。
图4为UAV3发生单播收发机故障后,重构后的通信拓扑。其中UAV3已经离开编队,UAV1作为编队领航者,UAV2跟随UAV1飞行,UAV4跟随UAV2飞行,UAV5跟随UAV2飞行,编队的通信代价为2156。
图5为本方法得到的重优化后的通信拓扑。其中,UAV1占据了UAV3离开编队后留下的空位,UAV1作为编队领航者,UAV2跟随UAV1飞行,UAV4跟随UAV2飞行,UAV5跟随UAV1飞行,编队的通信代价为1600。
图6为现有方法得到的重优化后的通信拓扑。其中,UAV5占据了UAV3离开编队后留下的空位,UAV1作为编队领航者,UAV2跟随UAV1飞行,UAV4跟随UAV2飞行,UAV5跟随UAV2飞行,编队的通信代价为1771,比本方法得到的通信代价要高。
图7示出了本发明实施例提供的一种基于最小树形图的无人机编队通信拓扑重优化系统的结构示意图,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,如图7所示,该系统包括:
计算模块71,用于计算重构后的无人机编队通信拓扑的第一通信代价;
比较模块72,用于将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;
优化模块73,用于在所述第一通信代价大于预设状态下的编队通信图的最小树形图的目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑。
在本实施例的一个优选的实施方式中,所述优化模块,用于:
对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价;
将所述第二通信代价对应的编队通信拓扑作为重优化后的无人机编队通信拓扑;
其中,所述第二通信代价为多次交换位置后的编队通信图的最小树形图的最小通信代价。
在本实施例的一个优选的实施方式中,所述优化模块,具体用于:
将所述第一通信代价作为所述第二通信代价的初始值;
对所述编队通信图中无人机的位置进行第一次交换,获取第三通信代价;
若所述第三通信代价小于所述第二通信代价的初始值,则将所述第三通信代价作为所述第二通信代价的优化值;
对第一次交换后的编队通信图中无人机的位置进行第二次交换,获取第四通信代价;
若所述第四通信代价小于所述第二通信代价的优化值,则将所述第四通信代价作为所述第二通信代价的优化值;
对第二次交换后的编队通信图中无人机的位置进行第N次变换,获取第五通信代价;
若所述第五通信代价小于所述第二通信代价的优化值,则将所述第五通信代价作为所述第二通信代价的优化值。
在本实施例的一个优选的实施方式中,所述优化模块,具体用于:
若所述第五通信代价等于所述第二通信代价的优化值,则比较所述第五通信代价对应的无人机编队通信拓扑与所述第二通信代价的优化值对应的无人机编队通信拓扑分别相对于所述重构后的无人机编队拓扑的无人机的位置的交换次数以及交换距离;
若所述第五通信代价对应的无人机编队通信拓扑的无人机的位置的交换次数和交换距离更小,则将所述第五通信代价作为所述第二通信代价的优化值。
在本实施例的一个优选的实施方式中,所述预设状态下的编队通信图为:编队通信图中的无人机均可作为编队领航者且所有无人机之间相互通信正常。
需要说明的是,上述系统与上述方法是一一对应的关系,上述方法的实施细节同样适用于上述系统,本实施例不再对上述系统进行详细说明。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在于该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种浏览器终端的设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种基于最小树形图的无人机编队通信拓扑重优化方法,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,其特征在于,包括:
计算重构后的无人机编队通信拓扑的第一通信代价;
将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;
在所述第一通信代价大于预设状态下的编队通信图的最小树形图的目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑;
通过预设策略优化所述重构后的无人机编队通信拓扑,包括:
对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价;
将所述第二通信代价对应的编队通信拓扑作为重优化后的无人机编队通信拓扑;
其中,所述第二通信代价为多次交换位置后的编队通信图的最小树形图的最小通信代价。
2.根据权利要求1所述的方法,其特征在于,所述对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价,包括:
将所述第一通信代价作为所述第二通信代价的初始值;
对所述编队通信图中无人机的位置进行第一次交换,获取第三通信代价;
若所述第三通信代价小于所述第二通信代价的初始值,则将所述第三通信代价作为所述第二通信代价的优化值;
对第一次交换后的编队通信图中无人机的位置进行第二次交换,获取第四通信代价;
若所述第四通信代价小于所述第二通信代价的优化值,则将所述第四通信代价作为所述第二通信代价的优化值;
对第二次交换后的编队通信图中无人机的位置进行第N次变换,获取第五通信代价;
若所述第五通信代价小于所述第二通信代价的优化值,则将所述第五通信代价作为所述第二通信代价的优化值。
3.根据权利要求2所述的方法,其特征在于,所述对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价,包括:
若所述第五通信代价等于所述第二通信代价的优化值,则比较所述第五通信代价对应的无人机编队通信拓扑与所述第二通信代价的优化值对应的无人机编队通信拓扑分别相对于所述重构后的无人机编队拓扑的无人机的位置的交换次数以及交换距离;
若所述第五通信代价对应的无人机编队通信拓扑的无人机的位置的交换次数和交换距离更小,则将所述第五通信代价作为所述第二通信代价的优化值。
4.根据权利要求1所述的方法,其特征在于,所述预设状态下的编队通信图为:编队通信图中的无人机均为候选的编队领航者且所有无人机之间相互通信正常。
5.一种基于最小树形图的无人机编队通信拓扑重优化系统,用于在编队中的无人机出现通信故障后,对重构后的无人机编队通信拓扑的优化,其特征在于,包括:
计算模块,用于计算重构后的无人机编队通信拓扑的第一通信代价;
比较模块,用于将所述第一通信代价与预设状态下的编队通信图的最小树形图的目标通信代价进行比较;
优化模块,用于在所述第一通信代价大于预设状态下的编队通信图的最小树形图的目标通信代价时,通过预设策略优化所述重构后的无人机编队通信拓扑;
所述优化模块,用于:
对编队通信图中无人机的位置进行多次交换,获取多次交换位置后的编队通信图的最小树形图的第二通信代价;
将所述第二通信代价对应的编队通信拓扑作为重优化后的无人机编队通信拓扑;
其中,所述第二通信代价为多次交换位置后的编队通信图的最小树形图的最小通信代价。
6.根据权利要求5所述的系统,其特征在于,所述优化模块,具体用于:
将所述第一通信代价作为所述第二通信代价的初始值;
对所述编队通信图中无人机的位置进行第一次交换,获取第三通信代价;
若所述第三通信代价小于所述第二通信代价的初始值,则将所述第三通信代价作为所述第二通信代价的优化值;
对第一次交换后的编队通信图中无人机的位置进行第二次交换,获取第四通信代价;
若所述第四通信代价小于所述第二通信代价的优化值,则将所述第四通信代价作为所述第二通信代价的优化值;
对第二次交换后的编队通信图中无人机的位置进行第N次变换,获取第五通信代价;
若所述第五通信代价小于所述第二通信代价的优化值,则将所述第五通信代价作为所述第二通信代价的优化值。
7.根据权利要求6所述的系统,其特征在于,所述优化模块,具体用于:
若所述第五通信代价等于所述第二通信代价的优化值,则比较所述第五通信代价对应的无人机编队通信拓扑与所述第二通信代价的优化值对应的无人机编队通信拓扑分别相对于所述重构后的无人机编队拓扑的无人机的位置的交换次数以及交换距离;
若所述第五通信代价对应的无人机编队通信拓扑的无人机的位置的交换次数和交换距离更小,则将所述第五通信代价作为所述第二通信代价的优化值。
8.根据权利要求5所述的系统,其特征在于,所述预设状态下的编队通信图为:编队通信图中的无人机均为候选的编队领航者且所有无人机之间相互通信正常。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610383787.3A CN105873171B (zh) | 2016-05-27 | 2016-05-27 | 基于最小树形图的无人机编队通信拓扑重优化方法及系统 |
US15/608,571 US10271239B2 (en) | 2016-05-27 | 2017-05-30 | Method and system for reoptimizing unmanned aerial vehicle formation communication topology based on minimum cost arborescence |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610383787.3A CN105873171B (zh) | 2016-05-27 | 2016-05-27 | 基于最小树形图的无人机编队通信拓扑重优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105873171A CN105873171A (zh) | 2016-08-17 |
CN105873171B true CN105873171B (zh) | 2017-05-03 |
Family
ID=56675660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610383787.3A Active CN105873171B (zh) | 2016-05-27 | 2016-05-27 | 基于最小树形图的无人机编队通信拓扑重优化方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10271239B2 (zh) |
CN (1) | CN105873171B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016212150A1 (de) * | 2016-07-04 | 2018-01-04 | Airbus Defence and Space GmbH | Verfahren zum Betrieb eines zumindest zeitweise unbemannten Luft- oder Raumfahrzeugs sowie ein derartiges Luft- oder Raumfahrzeug |
CN107203221B (zh) * | 2017-06-01 | 2020-09-01 | 合肥工业大学 | 无人机和有人机混合编队内的在线信息分发方法和装置 |
CN106992897A (zh) * | 2017-06-07 | 2017-07-28 | 合肥工业大学 | 多无人机协同编队中的信息交互拓扑优化方法及装置 |
CN107197474A (zh) * | 2017-06-22 | 2017-09-22 | 合肥工业大学 | 多无人机协同编队中的通信拓扑容错优化方法及装置 |
CN107797564A (zh) * | 2017-07-04 | 2018-03-13 | 合肥工业大学 | 多无人机协同编队中信息交互拓扑启发式优化方法及装置 |
CN107918403A (zh) * | 2017-12-31 | 2018-04-17 | 天津津彩物联科技有限公司 | 一种多无人机飞行轨迹协同规划的实现方法 |
CN108983818B (zh) * | 2018-08-10 | 2021-05-11 | 电子科技大学 | 基于虚拟结构的无人机队形变换方法 |
CN110149381B (zh) * | 2019-05-07 | 2021-10-15 | 肇庆学院 | 一种基于区分服务的对等网络体系结构及资源定位方法 |
CN110297497B (zh) * | 2019-06-11 | 2023-03-28 | 沈阳航空航天大学 | 网络攻击下基于混合触发机制的多智能体系统一致性的控制方法 |
CN110536266B (zh) * | 2019-08-22 | 2022-04-01 | 合肥工业大学 | 无人机编队通信能耗的周期性在线均衡方法和装置 |
CN111414007B (zh) * | 2020-04-07 | 2023-05-30 | 中国人民解放军海军航空大学 | 多机编队队形控制描述、变换控制和目标跟踪方法 |
CN112040449A (zh) * | 2020-07-21 | 2020-12-04 | 博翱经纬(天津)科技有限公司 | 一种无人机密集编队通信网络的中继优化选择方法 |
CN112362061A (zh) * | 2020-10-21 | 2021-02-12 | 一飞(海南)科技有限公司 | 集群无人机路径指派方法、控制系统、存储介质及无人机 |
JP7074905B1 (ja) * | 2021-03-16 | 2022-05-24 | ソフトバンク株式会社 | 情報処理装置、情報処理方法及び情報処理システム |
CN113359860B (zh) * | 2021-07-20 | 2022-07-22 | 北京航空航天大学 | 一种基于通信状态的无人机集群重构方法 |
CN114153228B (zh) * | 2021-11-30 | 2024-04-16 | 湖南大学 | 一种有向交互拓扑下无速度测量的四旋翼编队控制方法 |
CN115033016B (zh) * | 2022-05-17 | 2023-03-17 | 浙江大学 | 一种异构无人集群编队避障方法及系统 |
CN115993846B (zh) * | 2023-03-23 | 2023-05-30 | 西北工业大学深圳研究院 | 一种四旋翼无人机集群系统的编队控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102347991A (zh) * | 2011-11-23 | 2012-02-08 | 常熟理工学院 | 一种车载网络的构建方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7457619B2 (en) * | 2005-02-14 | 2008-11-25 | Honeywell International Inc. | Method for optimizing wireless data link capacity between mobile vehicles |
US8186589B2 (en) * | 2006-01-11 | 2012-05-29 | Carmel-Haifa University Economic Corporation Ltd. | UAV decision and control system |
CN101286071B (zh) * | 2008-04-24 | 2010-11-10 | 北京航空航天大学 | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 |
CN105353766B (zh) * | 2015-11-10 | 2016-10-12 | 合肥工业大学 | 一种多无人机编队结构的分布式容错管理方法 |
US9924441B1 (en) * | 2016-03-16 | 2018-03-20 | Google Llc | Systems and methods for improving tolerance of delay and disruption of a control-to-data-plane interface in a software-defined network |
US20170269612A1 (en) * | 2016-03-18 | 2017-09-21 | Sunlight Photonics Inc. | Flight control methods for operating close formation flight |
-
2016
- 2016-05-27 CN CN201610383787.3A patent/CN105873171B/zh active Active
-
2017
- 2017-05-30 US US15/608,571 patent/US10271239B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102347991A (zh) * | 2011-11-23 | 2012-02-08 | 常熟理工学院 | 一种车载网络的构建方法 |
Also Published As
Publication number | Publication date |
---|---|
US10271239B2 (en) | 2019-04-23 |
US20170347285A1 (en) | 2017-11-30 |
CN105873171A (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105873171B (zh) | 基于最小树形图的无人机编队通信拓扑重优化方法及系统 | |
CN105871636B (zh) | 基于最小树形图的无人机编队通信拓扑的重构方法及系统 | |
CN107797564A (zh) | 多无人机协同编队中信息交互拓扑启发式优化方法及装置 | |
CN103703727B (zh) | 用于分体式架构系统中控制业务的弹性路由的方法和设备 | |
CN103401786B (zh) | 网络拓扑建立、路径控制、报文传输方法及装置、系统 | |
CN107092273A (zh) | 无人‑有人机编队通信拓扑启发式优化方法及装置 | |
CN106060896B (zh) | 基于最小树形图的无人机编队通信拓扑的获取方法及系统 | |
CN107197474A (zh) | 多无人机协同编队中的通信拓扑容错优化方法及装置 | |
CN107113233A (zh) | 用于支持多租户集群环境中的分区感知路由的系统和方法 | |
EP3200399B1 (en) | Automated mirroring and remote switch port analyzer (rspan)/encapsulated remote switch port analyzer (erspan) functions using fabric attach (fa) signaling | |
DE102011112852A1 (de) | Zugangsnetz-Doppelwegkonnektivität | |
CN106909171A (zh) | 无人‑有人机编队最优通信拓扑生成方法及装置 | |
US9973377B2 (en) | Protection against dual failures for resilient two layer networks | |
CN106992897A (zh) | 多无人机协同编队中的信息交互拓扑优化方法及装置 | |
CN106940567A (zh) | 无人机编队最优信息交互拓扑生成方法及装置 | |
EP4136407A1 (en) | Predicting wireless quality of service (qos) for connected vehicles | |
CN107612746A (zh) | 一种构建Torus网络的方法、Torus网络和路由算法 | |
CN106936609A (zh) | 一种软件定义网络中控制转发设备集群的方法及控制器 | |
CN106789620B (zh) | 一种SpaceWire通信网路故障恢复方法和系统 | |
JP6879304B2 (ja) | サーバ、スイッチ、通信システム、通信方法、及びプログラム | |
KR102534739B1 (ko) | 고장 다층 링크 회복 방법 및 제어기 | |
EP2709322A1 (en) | Node routing method for multi-processor system, controller, and multi-processor system | |
CN111373772B (zh) | 漫游时的飞行策略查询 | |
JP2018182648A (ja) | ネットワーク設計装置およびネットワーク設計方法 | |
CN108063683A (zh) | 一种基于最小支配集分簇的故障定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |